CN107463101A - 控制系统及控制方法 - Google Patents

Abstract

本发明公开了一种控制系统及控制方法，控制系统包含：传输装置、处理器及储存装置。传输装置用以接收来自第一装置的至少一笔第一数据；处理器用以计算至少一笔第一数据的第一子群集中心，并依据第一子群集中心以产生第一目标群集中心；以及储存装置用以储存第一目标群集中心。其中，当处理器判断目前数据与第一目标群集中心的第一距离小于门槛值时，处理器控制第一装置进行第一操作。借此，本发明的控制系统，可达到提供自动化与智能化的控制智能家电的效果。

Description

控制系统及控制方法

技术领域

本发明涉及控制技术领域，特别是涉及智能家电的控制系统及控制方法。

背景技术

近年来，随着触控技术的不断发展，智能家电的发展正日益蓬勃，智能家电例如为智能型电视、智能型电扇、智能型空调及网路摄影机等等。通过物联网，可让使用者借由手机、平板或个人电脑远端控制各种智能家电，以打造物联网的智能生活。

然而，现今的智能家电是通过事先建立单一电器的特征值，以得知使用者目前欲进行的操作行为，例如，在使用者欲开启电扇时，使用者可通过手机传送信号至电扇，当此电扇接收到此信号后，此电扇需要将此信号与事先建立的特征值进行比对，以得知使用者欲进行的操作行为。然而，现今的智能家电没有自动判断使用者行为及自动学习的机制。因此，如何提供一个自动化与智能化的智能家电的控制系统及控制方法，已成为本领域通常知识者急待解决的问题。

发明内容

为了解决上述智能家电没有自动判断使用者行为及自动学习的问题，克服现有技术的不足，本发明的目的在于提供一种控制系统及控制方法，可达到自动化与智能化的控制智能家电的效果。

本发明所采用的技术方案是：

一种控制系统，其包含：控制中心。控制中心包含：传输装置、处理器、储存装置。传输装置用以接收来自第一装置的至少一笔第一数据；处理器用以计算至少一笔第一数据的第一子群集中心，并依据第一子群集中心以产生第一目标群集中心；以及储存装置用以储存第一目标群集中心；其中，当处理器判断目前数据与第一目标群集中心的第一距离小于门槛值时，处理器控制第一装置进行第一操作。

优选地，上述技术方案中，传输装置还用以接收来自第一装置的至少一笔第二数据，处理器还用以计算至少一笔第二数据的第二子群集中心，并依据第二子群集中心及第一子群集中心以产生第一目标群集中心。

优选地，上述技术方案中，至少一笔第一数据为时间数据，至少一笔第二数据为温度数据。

优选地，上述技术方案中，传输装置用以接收来自第一装置的目前数据，并将目前数据传送至处理器；处理器用以判断目前数据与第一目标群集中心的第一距离大于或等于门槛值时，则处理器控制传输装置传送提醒信息至第二装置。

优选地，上述技术方案中，处理器还用以判断目前数据与第一目标群集中心的第一距离是否小于目前数据与第二目标群集中心的第二距离，若判断目前数据与第一目标群集中心的第一距离小于目前数据与第二目标群集中心的第二距离，则处理器控制第一装置进行第一操作。

优选地，上述技术方案中，若处理器判断目前数据与第一目标群集中心的第一距离大于或等于目前数据与第二目标群集中心的第二距离，则处理器控制第一装置进行第二操作。

优选地，上述技术方案中，处理器依据K-means演算法以分群n笔现有数据，K-means演算法的公式如下：

e_k＝∑_i|x_i-m_i|²；

E＝∑_k＝1～c e_k；

其中，符号m_i为第一目标群集中心，符号x_i代表n笔现有数据中的第i笔数据，符号i的值介于1到n之间，符号k代表第k群集，符号e_k代表n笔现有数据分别与第一目标群集中心的平方误差，符号c代表群集数目，符号E代表总和平方误差；其中，当总和平方误差的值越小，代表目前分群方式的正确性越高。

优选地，上述技术方案中，第一装置包含感测器，其用以感测环境状态，且第一装置将环境状态传送至控制中心。

一种控制方法。控制方法包含：接收来自第一装置的至少一笔第一数据；借由处理器计算至少一笔第一数据的第一子群集中心，并依据第一子群集中心以产生第一目标群集中心；以及储存第一目标群集中心；其中，当处理器判断目前数据与第一目标群集中心的第一距离小于门槛值时，处理器控制第一装置进行第一操作。

优选地，上述技术方案中，控制方法还包含以下步骤：接收来自第一装置的至少一笔第二数据，处理器还用以计算至少一笔第二数据的第二子群集中心，并依据第二子群集中心及第一子群集中心以产生第一目标群集中心。

优选地，上述技术方案中，至少一笔第一数据为时间数据，至少一笔第二数据为温度数据。

优选地，上述技术方案中，在接收来自第一装置的目前数据后，控制方法还包含以下步骤：将目前数据传送至处理器；当处理器判断目前数据与第一目标群集中心的第一距离大于或等于门槛值时，则处理器控制传输装置传送提醒信息至第二装置。

优选地，上述技术方案中，控制方法还包含以下步骤：判断目前数据与第一目标群集中心的第一距离是否小于目前数据与第二目标群集中心的第二距离；若判断目前数据与第一目标群集中心的第一距离小于目前数据与第二目标群集中心的第二距离，则处理器控制第一装置进行第一操作。

优选地，上述技术方案中，若处理器判断目前数据与第一目标群集中心的第一距离大于或等于目前数据与第二目标群集中心的第二距离，则处理器控制第一装置进行第二操作。

优选地，上述技术方案中，第一装置包含感测器，其用以感测环境状态，且第一装置将环境状态传送至控制中心。

优选地，上述技术方案中，控制方法还包含以下步骤：依据K-means演算法以分群n笔现有数据，K-means演算法的公式如下：

e_k＝∑_i|x_i-m_i|²；

E＝∑_k＝1～c e_k；

其中，符号m_i为第一目标群集中心，符号x_i代表n笔现有数据中的第i笔数据，符号i的值介于1到n之间，符号k代表第k群集，符号e_k代表n笔现有数据分别与第一目标群集中心的平方误差，符号c代表群集数目，符号E代表总和平方误差；其中，当总和平方误差的值越小，代表目前分群方式的正确性越高。

本发明提供的控制系统及控制方法，可达到提供自动化与智能化的控制智能家电的效果。

附图说明

图1绘示本发明的一实施例的控制系统的示意图；

图2绘示本发明的一实施例的控制中心的方块图；

图3绘示本发明的一实施例的控制方法的流程图；

图4绘示本发明的一实施例的使用者行为的示意图；

图5绘示本发明的一实施例的使用者行为的散布图；

图6绘示本发明的一实施例的控制方法的流程图；

图7绘示本发明的一实施例的控制方法的流程图；

图8绘示本发明的一实施例的使用者行为的示意图；以及

图9绘示本发明的一实施例的使用者行为的统计图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述。

请同时参照图1至图2，图1绘示本发明的一实施例的控制系统100的示意图。图2绘示本发明的一实施例的控制中心10的方块图。控制系统100包含控制中心10。在一实施例中，控制中心10可以由路由器实现。在一实施例中，控制系统100可还包含云端系统30，控制中心10可以将数据储存在云端系统30，此外，控制中心10可以将数据传送至云端系统30，通过云端系统30进行数据运算后，云端系统30可将运算结果回传至控制中心10。在一实施例中，终端装置S1可直接借由无线或有线网路存取云端系统30中所储存的数据。

此外，控制中心10包含传输装置11、处理器12及储存装置13。在一实施例中，传输装置11用以传输各种数据，传输装置11例如是近场通信模块、3G模块、有线网路传输模块或无线网路传输模块。在一实施例中，处理器12用以计算数据，可以由体积电路如微控制单元(microcontroller)、微处理器(microprocessor)、数字信号处理器(digital signalprocessor)、特殊应用集成电路(application specific integrated circuit，ASIC)或逻辑电路来实施。在一实施例中，储存装置13用以储存各种数据，例如是存储器、硬盘、U盘等。

在一实施例中，控制中心10放置于房子20之中，控制中心10用以控制装置D1、装置D2。在一实施例中，装置D1、装置D2例如为智能型电视、智能型电扇、智能型空调、网路摄影机或各种智能型家电。为使方便说明，以下将装置D1视为智能型空调、装置D2视为智能型灯泡作为举例说明。在一实施例中，控制中心10可通过传输装置11接收来自终端装置S1的信号，并依据此信号控制各种智能型家电的运作。其中，终端装置S1可以是手机、平板或个人电脑。在一实施例中，控制中心10可通过传输装置11接收来自多台终端装置的信号。在一实施例中，当使用者位于户外或是室内时，可通过终端装置S1(例如为智能型手机)发送信号至控制中心10，控制中心10再依据此信号以控制各种智能型家电，例如，控制中心10可依据来自终端装置S1的信号以控制智能型灯泡D2开灯或关灯。

请一并参照图3至图5，图3绘示本发明的一实施例的控制方法300的流程图。图4绘示本发明的一实施例的使用者行为的示意图。图5绘示本发明的一实施例的使用者行为的散布图。以下将搭配前述的图1的控制系统100进行说明，并提供本发明更具体的细节。然本发明并不以下述实施例为限。

在步骤S310中，传输装置11接收来自第一装置D1的至少一笔第一数据。在一实施例中，传输装置11用以接收来自智能型空调D1的数据。在一实施例中，智能型空调D1具有感测器，例如为温度感测器，用以感测环境状态(例如为环境温度)，且智能型空调D1可将环境状态传送至控制中心10。更具体而言，智能型空调D1通过其自身的传输模块，以无线传输方式(例如为Zigbee、Wi-Fi或蓝牙传输)将一笔或多笔温度数据传送到控制中心10。此外，当使用者利用终端装置S1开启/关闭智能型空调D1或是设定调整温度的条件时，此些使用者的操作行为也会传送到控制中心10，当控制中心10的传输装置11接收到温度数据及/或使用者行为(例如为开启智能型空调D1)后，会将温度数据及/或使用者行为储存至储存装置13中。

举例而言，控制中心10可收到来自智能型空调D1所侦测到的温度数据及使用者行为，此些数据如图4所示，当温度为23度且时间为6:00时，使用者关闭空调；当温度为23度且时间为12:00时，使用者关闭空调；当温度为23度且时间为18:00时，使用者关闭空调；当温度为33度且时间为6:00时，使用者关闭空调；当温度为33度且时间为12:00时，使用者开启空调；当温度为33度且时间为18:00时，使用者开启空调…等。当控制中心10收到此些数据后，控制中心10可进一步分析此些数据，以供控制系统100自主学习使用者行为。

在步骤S320中，处理器12计算至少一笔第一数据的第一子群集中心，并依据第一子群集中心以产生第一目标群集中心。在一实施例中，若传输装置11仅接收来自智能型空调D1的多笔温度数据，且并未收到时间信息或其他数据时，处理器12将此些温度数据加以平均，以得到温度数据的子群集中心，并直接将此温度数据的子群集中心视为目标群集中心。

在一实施例中，传输装置11用以接收来自智能型空调D1的多笔温度数据及多笔温度数据所对应的时间数据(如图4所示)，并将此些数据传送至处理器12，接着，处理器12找出此些数据中开启空调时的温度及时间数据，并将此些温度数据加以平均，以得到开启空调时的温度数据的子群集中心，另外，处理器12也可将此些时间数据加以平均，以得到开启空调时的时间数据的子群集中心，并依据温度数据的子群集中心及时间数据的子群集中心，以产生开启空调时的目标群集中心。

在一实施例中，处理器12借由计算温度数据的平均值，以得到温度数据的子群集中心。举例而言，如图4所示，图4中具有10笔开启空调时的状态，其中，开启空调时的温度数据分别为：1笔29度、1笔30度、1笔31度、2笔32度、2笔33度、3笔34度，依据此些数据，处理器12可计算开启空调时的温度数据的平均值为：(34*3+33*2+32*2+31+30+29)/10＝32.2，以取得开启空调时温度数据的子群集中心为32.2。此外，开启空调时的时间数据分别为：1笔6：00、3笔12：00、6笔18：00，因此，处理器12可计算开启空调时的时间数据的平均值为：(6+3*12+6*18)/10＝15.00，以取得开启空调时时间数据的子群集中心为15.00。

据此，依据温度数据的子群集中心(例如为32.2)及时间数据的子群集中心(例如为15.00)，可产生开启空调时的目标群集中心，开启空调时的目标群集中心(时间，温度)例如表示为(15.00，32.2)。

另一方面，处理器12也可找出此些数据中关闭空调时的温度及时间数据，并将此些温度数据加以平均，以得到关闭空调时的温度数据的子群集中心，另外，处理器12也可将此些时间数据加以平均，以得到关闭空调时的时间数据的子群集中心，并依据温度数据的子群集中心及时间数据的子群集中心，以产生关闭空调时的目标群集中心。

如图4所示，图4中具有26笔关闭空调时的状态，关闭空调时的温度数据分别为：3笔23度、3笔24度、3笔25度、3笔26度、3笔27度、3笔28度、2笔29度、2笔30度、2笔31度、1笔32度、1笔33度，因此，处理器12可计算关闭空调时的温度数据的平均值为：(23*3+24*3+25*3+26*3+27*3+28*3+29*2+30*2+31*2+32+33)/26＝27.08，以取得关闭空调时温度数据的子群集中心为27.08度。此外，关闭空调时的时间数据分别为：11笔6：00、9笔12：00、6笔18：00，因此，处理器12可计算关闭空调时的时间数据的平均值为：(11*6+9*12+6*18)/26＝10.85，以取得关闭空调时的时间数据的子群集中心为10.85。

据此，依据温度数据的子群集中心(例如为27.08)及时间数据的子群集中心(例如为10.85)，可产生关闭空调时的目标群集中心，关闭空调时的目标群集中心(时间，温度)例如表示为(10.85，27.08)。

在图5中，图5的横轴代表时间，纵轴代表温度，故可将图4中所载的使用者行为标记于图5中，例如当温度为23度且时间为12:00时，使用者关闭空调，则将横轴为12，纵轴为23的坐标处以符号X代表关闭空调；又例如当温度为34度且时间为6:00时，使用者开启空调，则将横轴为6，纵轴为34的坐标处以符号O代表开启空调。在前述例子可知，开启空调时的目标群集中心(时间，温度)为(15.00，32.2)，关闭空调时的目标群集中心(时间，温度)为(10.85，27.08)也可在图5中标示。因此，从图5中也可看出使用者行为可区分为两群集(即空调的开启与关闭两种行为)。

在步骤S330中，储存装置13储存第一目标群集中心。在一实施例中，储存装置13可储存多个目标群集中心，例如，储存装置13储存开启空调时的目标群集中心(15.00，32.2)及关闭空调时的目标群集中心(10.85，27.08)等数据。

借由上述步骤，可建立关于使用者操作行为的训练模型，例如，依据使用者开启或关闭空调的操作行为，建立出两个目标群集中心。在一实施例中，当控制系统100持续收到各种数据时，可依据上述方式，分别将所有数据进行平均，以随时更新对应各种数据的目标群集中心。

接着，当控制系统100收到一笔新的数据时，控制系统100可判断目前数据(例如：温度为23度，时间为6:00)与各个目标群集中心的距离(例如：目前数据与关闭空调的时的目标群集中心较近)，以得知目前数据应对应的操作行为(例如：关闭空调)。关于此控制方法的具体步骤详述如下。

请参照图6，图6绘示本发明的一实施例的控制方法600的流程图。以下将搭配前述的图1的控制系统100进行说明，并提供本发明更具体的细节。然本发明并不以下述实施例为限。

在步骤S610中，传输装置11接收来自第一装置的目标数据。例如，智能型空调D1侦测到目前室内温度为23度，时间为6:00，并将此数据传送至控制中心10的传输装置11中。在一实施例中，控制中心10的传输装置11可定时地或持续性地接收来自各种家电装置的数据。

在步骤S620中，处理器12判断当目前数据与第一目标群集中心的第一距离是否小于门槛值。当处理器12判断当目前数据与第一目标群集中心的第一距离小于门槛值时，处理器12控制第一装置进行第一操作。在一实施例中，处理器12可应用现有的K-means演算法或其他群集演算法，以将多笔数据分群，并再计算目前数据与目标群集中心的距离。

在一实施例中，处理器12应用K-means演算法将多笔数据进行分群的演算流程如下：首先，先随机指派群集中心，在训练组数据(例如为部分已收集到的数据)中随机找出K笔纪录来作为初始种子(即初始的群集中心)，接着，产生初始群集，计算每一笔纪录到各个随机初始种子之间的距离，然后比较每一笔纪录各自离哪一个随机种子最近，然后各笔纪录分别会被指派到各自距离最接近的群集中心，此时就会形成一个群集边界，产生了初始群集的成员集合，即是将数据进行初步分群，再接着，产生新的群集中心，根据边界内的每笔纪录重新计算出该群集的群集中心，利用新的群集中心取代之前的随机种子，来做为该群的中心。此算法的目的是希望尽量减小每个群集中，每一点与群集中心的距离平方误差e_k(square error)。例如，现在有一组包含c个群集的数据(例如包含开启空调群集、关闭空调群集，则视为此些数据包含两种群集，故群集数目c为2)，其中第k个群集可以用集合G_k来表示，假设G_k包含n笔现有数据{x₁,x₂,…,x_n}，则该群集的平方误差e_k，即n笔现有数据与目标群集中心的平方误差值可以定义为：

e_k＝∑_i|x_i-m_i|²

其中，x_i是代表第k群中的该n笔现有数据中的第i笔数据，符号i的值介于1到n之间；m_i为群集中心,例如，开启空调的时点有1、2、3、4共四点，此四笔数据的群集中心为(1+2+3+4)/4＝2.5，即m_i为2.5；借此可算出该n笔现有数据分别与群集中心的平方误差e_k(即距离平方之和)；而这c个群集的总和平方误差E可定义为：

E＝∑_k＝1～c e_k

这c个群集的总和平方误差E便是每个群集的平方误差总和，可称为分群的误差函数(error function)或失真度(distortion)。由此可知，此分群方法可视为找寻最佳解或是优选解的问题，当总和平方误差E的值越小，代表目前分群方式的正确性越高。换句话说，当处理器12选取c个群集以及相关的群集中心，使得E的值为最小时(或是比其它c个群集以及相关的群集中心所计算出来的E值更小时)，代表目前分群方式的正确性最高，例如，开启空调群集中的每一笔纪录与开启空调群集的群集中心的距离具有最近距离，开启空调群集中的每一笔纪录与关闭空调群集的群集中心的距离皆较远。因此，通过此分群方式可依据群集中心明确分辨出开启空调的群集与关闭空调的群集，故当处理器12接收到某一笔新数据时，可计算此新数据与各个群集中心的距离，并将此新数据归类为与此新数据距离最近的群集中心所属的群聚，例如将此新数据归类于开启空调群集。

更具体而言，在一实施例中，处理器12判断当目前数据(例如为温度为30度，时间为16:00)与开启空调时的目标群集中心(15.00，32.2)的距离是否小于门槛值(例如为3)，若是，则表示温度为30度且时间为16:00的情况，较贴近使用者会开启空调的操作行为；反之，若否，则表示温度为30度且时间为16:00的情况，较贴近使用者会关闭空调的操作行为。其中，门槛值可以依据使用者的使用习惯决定，例如依据使用者开启空调的温度及其对应时间等数据的平均值，以决定门槛值的大小。在此例中，处理器12可以将目前数据(例如为时间16:00及温度30度)表示为(16.00，30)。因此，在坐标系上，处理器12可计算出目标数据(16.00，30)与开启空调时的目标群集中心(15.00，32.2)的距离为[(16-15)^2+(30-32.2)^2]^(1/2)≒2.417，此数值小于门槛值(例如为3)。因此，在此例中，处理器12判断目前数据(16.00，30)与开启空调时的目标群集中心(15.00，32.2)的距离小于门槛值，故进入步骤S630。

相反地，在另一例子中，若目前数据为温度为27.2度，时间为10:00时，处理器12判断目前数据(10.00，27.2)与开启空调时的目标群集中心(15.00，32.2)的距离为[(10-15)^2+(37.2-32.2)^2]^(1/2)≒7.071，此数值大于或等于门槛值(例如为3)。因此，在此例中，处理器12判断目前数据(10.00，27.2)与开启空调时的目标群集中心(15.00，32.2)的距离大于或等于门槛值，故进入步骤S640。

在步骤S630中，处理器12控制第一装置进行第一操作。举例而言，处理器12可控制智能型空调D1开启空调。

在步骤S640中，处理器12控制第一装置进行第二操作。在一实施例中，处理器12可控制智能型空调D1关闭空调。在一实施例中，处理器12控制传输装置11传送提醒信息至终端装置S1(例如为使用者手机)或寄电子邮件通知使用者。

此外，本发明也可直接判断目前数据属于何种群集(例如为开启或关闭空调的数据群集)，以决定对应此目前数据应进行的操作。关于此控制方法的具体步骤详述如下。

请参照图7，图7绘示本发明的一实施例的控制方法700的流程图。以下将搭配前述的图1的控制系统100进行说明，并提供本发明更具体的细节。图7的步骤S710、S730、S740与图6的步骤S610、S630、S640相同，故此些步骤不再赘述，以下主要针对步骤S720作说明。

在步骤S720中，处理器12判断目前数据与第一目标群集中心的第一距离是否小于目前数据与第二目标群集中心的第二距离。若是，进入步骤S730；若否，则进入步骤S740。

举例而言，当目前数据为温度为30度且时间为16:00时，处理器12判断目前数据(16.00，30)与开启空调时的目标群集中心(15.00，32.2)的距离是否小于目前数据(16.00，30)与关闭空调时目标群集中心(10.85，27.08)的距离。在此例中，目前数据(16.00，30)与开启空调时的目标群集中心(15.00，32.2)的距离为[(16-15)^2+(30-32.2)^2]^(1/2)≒2.417，而目前数据(16.00，30)与关闭空调时的目标群集中心(10.85，27.08)的距离为[(16-10.85)^2+(30-27.08)^2]^(1/2)≒5.92，由此可知，目前数据(16.00，30)与开启空调时的目标群集中心(15.00，32.2)的距离小于目前数据(16.00，30)与关闭空调时的目标群集中心(10.85，27.08)的距离，因此，处理器12可判断目前数据(16.00，30)属于开启空调时的目标群集。换言之，依据使用者的使用经验来看，在温度为30度且时间为16:00的情况下，使用者应会对智能型空调D1进行第一操作(例如为开启空调)，因此，处理器12可自动控制智能型空调D1开启空调。借此，上述步骤可达到在不同使用情境下，自动化且智能化地控制各种家电的效果。

此外，本发明可应用的各种家电装置并不限于两种操作方式，也可具有多种操作方式。在一实施例中，处理器12可将收集到的数据依据各自对应于坐标系上的相对距离，分为三个群集，此三个群集对应的操作分别例如为送风、暖气、冷气。此外，处理器12可应用前述图3的步骤S320的方法，计算出此三种群集各自对应的目标群集中心，以建立训练模型。接着，当处理器12取得目前数据时，可分别计算此目前数据与此三个目标群集中心的距离，找出与此目标数据距离最近的目标群集中心(例如为暖气的目标群集中心)，借此将此目标数据归类于使用者应希望开启暖气的情况，并进行对应此群集的操作(例如为开启暖气)。

此外，在一实施例中，控制系统100可进一步协助使用者判断目前事件发生的时间点或操作行为的正确性。关于此技术特征的详述如下。

请参阅图1、图2、图8至图9，图8绘示本发明的一实施例的使用者行为的示意图。图9绘示本发明的一实施例的使用者行为的统计图。在一实施例中，传输装置11用以接收来自智能型电灯D2的数据。例如，当智能型电灯D2接收到开灯或关灯的指示信号时，可借由智能型电灯D2中的传输模块，以无线传输方式(例如为Zigbee、Wi-Fi或蓝牙传输)将一笔或多笔开灯或关灯的时间数据传送到控制中心10，此外，当使用者利用终端装置S1开启/关闭智能型电灯D2或是设定开启/关闭智能型电灯D2的条件时，此些使用者的操作行为也会传送到控制中心10，当控制中心10的传输装置11接收到开启/关闭智能型电灯D2的时间数据及使用者行为后，会将时间数据及使用者行为储存至储存装置13中。其中，开启/关闭智能型电灯D2的时间数据及使用者行为如图8所示，当日期为1/1且时间为6:00时，使用者关闭智能型电灯D2；当日期为1/1且时间12:00时，使用者关闭智能型电灯D2；当日期为1/1且时间18:00时，使用者开启智能型电灯D2…等。在一实施例中，控制中心10可持续性地接收智能型电灯D2的开/关灯数据，如图9所示，其斜线区块用以表示开灯状态，例如，当日期为1/1且时间18:00时，使用者开启智能型电灯D2；另一方面，图9的白色区块用以表示关灯状态，例如，当日期为1/1且时间12:00时，使用者关闭智能型电灯D2。借此，当控制中心10收到此些数据后，控制中心10可进一步分析此些数据，以自主学习使用者行为。在一实施例中，基于图8所示的数据，也可绘制出类似于图5的使用者行为的散布图，此部分的绘制方式及其细部特征已于图5的对应说明书段落叙述，故此处不赘述。

如图8至图9所示，当控制中心10收到此些开关灯及其时间数据后，也可利用如同前述图3的步骤S320所说明的方式，分别算出开灯时的目标群集中心及关灯时的目标群集中心。举例而言，若开灯时的目标群集中心的时间坐标为17.14，关闭时的目标群集中心的时间坐标为8.73，且控制中心10能够自动记忆使用者习惯的情况下，控制中心10的处理器12可分析出使用者在每年的3/1日及4/1日的12：00时习惯开灯。因此，当使用者于7/1日的11：00开启电灯(此数据可表示为图9的数据点TP)时，控制中心10的处理器12会判断此笔数据偏离开灯时的目标群集中心(例如为17.14)太多，且不符合使用者习惯。

因此，当智能型电灯D2在7/1日23点时接收到一开灯信号时，控制系统100将会判断此开灯信号发生的时点与开灯时的目标群集中心(例如为17.14)的距离大于或等于门槛值(门槛值例如为1小时)，则控制系统100传送信息或电子邮件至终端装置S1(例如为使用者手机)，以向使用者确认此操作是否正确；若使用者确认此操作正确，则控制系统100将此数据纪录于储存装置13中，并重新计算开灯的目标群集中心；若使用者确认此操作并不正确，则控制系统100不进行开灯。

借此，当使用者于某个时间点内开启电灯，控制系统100会先将关于开灯时点的数据与开灯时的目标群集中心分析比对，若控制系统100判断当前的开灯行为与使用者过去的使用行为不同，则控制系统100会传送信息至使用者手机及其他行动装置，询问使用者此笔数据的正确性，若为正确则将此笔数据记录在数据库内并重新计算且调整其开灯的目标群集中心的落点。

另一方面，控制系统100平时也会持续地记录开关灯时间及日期，并将目前侦测到的数据与两组群集中心做距离总偏移值的比较(例如，计算当前数据与开灯的目标群集中心的距离，及计算当前数据与关灯的目标群集中心的距离)，依照两者各别的距离差判断当前数据其归属的群集(开灯或关灯群集)，并依照其归属的群集智能且自动地开启或关闭电灯；此后每当使用者手动开启或关闭电灯时，此控制系统100将会每笔开关数据作记录，并重新计算且调整其目标群集中心的落点，以达到自动化与智能化地控制家电的效果。

综合以上的叙述以及各种实施例的具体说明，本发明所提出的控制系统及控制方法，可依据使用者行为建立训练模型，并应用训练模型使控制中心自动将使用者数据智能分类，以达到自动化与智能化的智能家庭完美体验。

虽然本发明已经以实施方式公开如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作各种变动与润饰，因此本发明的保护范围当视权利要求所界定者为准。

Claims (16)

1.一种控制系统，其特征在于，所述控制系统包含：

控制中心，其包含：

传输装置，其用以接收来自第一装置的至少一笔第一数据；

处理器，其用以计算所述至少一笔第一数据的第一子群集中心，并依据所述第一子群集中心以产生第一目标群集中心；以及

储存装置，其用以储存所述第一目标群集中心；

其中，当所述处理器判断目前数据与所述第一目标群集中心的第一距离小于门槛值时，所述处理器控制所述第一装置进行第一操作。

2.根据权利要求1所述的控制系统，其特征在于，所述传输装置还用以接收来自所述第一装置的至少一笔第二数据，所述处理器还用以计算所述至少一笔第二数据的第二子群集中心，并依据所述第二子群集中心及所述第一子群集中心以产生所述第一目标群集中心。

3.根据权利要求1所述的控制系统，其特征在于，所述至少一笔第一数据为时间数据，所述至少一笔第二数据为温度数据。

4.根据权利要求2所述的控制系统，其特征在于，所述传输装置用以接收来自所述第一装置的所述目前数据，并将所述目前数据传送至所述处理器；所述处理器用以判断所述目前数据与所述第一目标群集中心的所述第一距离大于或等于所述门槛值时，则所述处理器控制所述传输装置传送提醒信息至第二装置。

5.根据权利要求2所述的控制系统，其特征在于，所述处理器还用以判断所述目前数据与所述第一目标群集中心的第一距离是否小于所述目前数据与第二目标群集中心的第二距离，若判断所述目前数据与所述第一目标群集中心的所述第一距离小于所述目前数据与所述第二目标群集中心的所述第二距离，则所述处理器控制所述第一装置进行所述第一操作。

6.根据权利要求5所述的控制系统，其特征在于，若所述处理器判断所述目前数据与所述第一目标群集中心的所述第一距离大于或等于所述目前数据与所述第二目标群集中心的所述第二距离，则所述处理器控制所述第一装置进行第二操作。

7.根据权利要求1所述的控制系统，其特征在于，所述处理器依据K-means演算法以分群n笔现有数据，所述K-means演算法的公式如下：

e_k＝Σ_i|x_i-m_i|²；

E＝Σ_k＝1～ce_k；

其中，符号m_i为所述第一目标群集中心，符号x_i代表所述n笔现有数据中的第i笔数据，符号i的值介于1到n之间，符号k代表第k群集，符号e_k代表所述n笔现有数据分别与所述第一目标群集中心的平方误差，符号c代表群集数目，符号E代表总和平方误差；

其中，当总和平方误差的值越小，代表目前分群方式的正确性越高。

8.根据权利要求1所述的控制系统，其特征在于，所述第一装置包含感测器，其用以感测环境状态，且所述第一装置将所述环境状态传送至所述控制中心。

9.一种控制方法，其特征在于，所述控制方法包含以下步骤：

接收来自第一装置的至少一笔第一数据；

借由处理器计算所述至少一笔第一数据的第一子群集中心，并依据所述第一子群集中心以产生第一目标群集中心；以及

储存所述第一目标群集中心；

其中，当所述处理器判断目前数据与所述第一目标群集中心的第一距离小于门槛值时，所述处理器控制所述第一装置进行第一操作。

10.根据权利要求9所述的控制方法，其特征在于，所述控制方法还包含以下步骤：

接收来自所述第一装置的至少一笔第二数据，所述处理器还用以计算所述至少一笔第二数据的第二子群集中心，并依据所述第二子群集中心及所述第一子群集中心以产生所述第一目标群集中心。

11.根据权利要求9所述的控制方法，其特征在于，所述至少一笔第一数据为时间数据，所述至少一笔第二数据为温度数据。

12.根据权利要求10所述的控制方法，在接收来自所述第一装置的所述目前数据后，其特征在于，所述控制方法还包含以下步骤：

将所述目前数据传送至所述处理器；

当所述处理器判断所述目前数据与所述第一目标群集中心的所述第一距离大于或等于所述门槛值时，则所述处理器控制所述传输装置传送提醒信息至第二装置。

13.根据权利要求10所述的控制方法，其特征在于，所述控制方法还包含以下步骤：

判断所述目前数据与所述第一目标群集中心的第一距离是否小于所述目前数据与第二目标群集中心的第二距离；

若判断所述目前数据与所述第一目标群集中心的所述第一距离小于所述目前数据与所述第二目标群集中心的所述第二距离，则所述处理器控制所述第一装置进行所述第一操作。

14.根据权利要求13所述的控制方法，其特征在于，若所述处理器判断所述目前数据与所述第一目标群集中心的所述第一距离大于或等于所述目前数据与所述第二目标群集中心的所述第二距离，则所述处理器控制所述第一装置进行第二操作。

15.根据权利要求9所述的控制方法，其特征在于，所述第一装置包含感测器，其用以感测环境状态，且所述第一装置将所述环境状态传送至所述控制中心。

16.根据权利要求9所述的控制方法，其特征在于，所述控制方法还包含以下步骤：

依据K-means演算法以分群n笔现有数据，所述K-means演算法的公式如下：

e_k＝Σ_i|x_i-m_i|²；

E＝Σ_k＝1～ce_k；

其中，符号m_i为所述第一目标群集中心，符号x_i代表所述n笔现有数据中的第i笔数据，符号i的值介于1到n之间，符号k代表第k群集，符号e_k代表所述n笔现有数据分别与所述第一目标群集中心的平方误差，符号c代表群集数目，符号E代表总和平方误差；

其中，当总和平方误差的值越小，代表目前分群方式的正确性越高。